从 Unix 命令行查找标点符号并计算每个标点符号的数量

Question

我想找到我的 .txt 文件中使用的所有标点符号，并给出每个标点符号出现的次数。我该怎么做呢？我对此很陌生，但我正在努力学习！这不是家庭作业！我现在一直在研究grep和sed。

Answer 1

$ perl -CSD -nE '$seen{$1}++ while /(\pP)/g; END { say "$_ $seen{$_}" for keys %seen }'  sometextfile.utf8

如

$ perl -CSD -nE '$seen{$1}++ while /(\pP)/g; END { say "$_ $seen{$_}" for keys %seen }' programming_perl_4th_edition.pod | sort -k2rn
, 21761
. 19578
; 10986
( 8856
) 8853
- 7606
: 7420
" 7300
_ 5305
’ 4906
/ 4528
{ 2966
} 2947
\ 2258
@ 2121
# 2070
* 1991
' 1715
“ 1406
” 1404
[ 1007
] 1003
% 881
! 838
? 824
& 555
— 330
‑ 72
– 41
‹ 16
› 16
‐ 10
⁂ 10
… 8
· 3
「 2
」 2
« 1
» 1
‒ 1
― 1
‘ 1
• 1
‥ 1
⁃ 1
･ 1

如果您不仅需要标点符号，还需要标点符号和符号，请在模式中使用 [\pP\pS] 。不过，无论您做什么，都不要使用旧式 POSIX 类。

Answer 2

使用 sed、tr、sort 和 uniq（不使用 perl）：

sed -E 's/[^[:punct:]]//g;s/(.)/\1x/g' myfile.txt | tr 'x' '\n' | sort | uniq -c

我这样做了（sed + tr），因此它可以在 unix 和 mac 上运行。 Mac 需要在 sed 命令中嵌入换行符，但 unix 可以使用 \n。这样它在任何地方都有效。

这适用于非 mac unix：

sed -E 's/[^[:punct:]]//g;s/(.)/\1\n/g' myfile.txt | sort | uniq -c